近年来,病毒学已成为生物学领域的研究重点,引起了许多科学家的关注。由于生物技术的创新,从了解生物细胞最初的形态学和基本特性,到分析基因组学与生物信息学,人们对病毒的认识也发生了根本性变化。针对基因调控和植物病原体模型,本文应用统计学的方法对模型中的参数估计问题进行研究。第二章节中,基于λ噬菌体的基因调控网络构建模型,分析该模型的动力学行为。同时,运用集合卡尔曼滤波(Ensemble Kalman Filter,简称En KF)算法计算λ噬菌体的基因调控过程中化学反应速率常数的比值,并结合λ噬菌体基因调控网络的机制推断模型中蛋白质的数量,这样避免了蛋白质的检测费用较高的问题。仿真结果表明,En KF算法对模型中参数估计的结果比最小二乘法参数估计的结果更好。第三章节中,针对植物病原体模型中参数抽样困难的问题,提出并讨论了马尔可夫链蒙特卡洛(Markov Chain Monte Carlo,简称MCMC)算法在层次贝叶斯模型中的应用。结合层次模型和贝叶斯方法,应用M-H算法和混合MCMC算法对该模型中各个参数进行抽样。对比算法的数值模拟结果我们发现,混合MCMC算法可以更好的估计该模型中的参数值,该算法可以解决因参数集合中个别参数的后验分布形式相对复杂导致难以抽样的问题。